RAGの教科書 LlamaIndex編 #1
RAGの教科書 LlamaIndex編
対象：Pythonで生成AIアプリケーションを設計・実装・運用したい開発者
本書について
本書は、LlamaIndexを使って検索拡張生成（Retrieval-Augmented Generation、RAG）アプリケーションを作るための実践的な教科書です。単にサンプルコードを動かすだけでなく、データをどう取り込み、どの粒度で分割し、どのように検索し、回答の根拠をどう評価し、本番でどう監視するかを順番に考えます。
LlamaIndexは、LLMに自社データや専門データを接続するためのPythonフレームワークです。公式ドキュメントでは、RAGをLoading、Indexing、Storing、Querying、Evaluationという段階で整理しています。本書もこの流れを中心に据えつつ、AgentやWorkflow、セキュリティ、運用まで広げます。
サンプルコードは、依存ライブラリやモデルの更新によって調整が必要になる場合があります。特に、`llama-index`本体と各種integrationパッケージの組み合わせ、LLMプロバイダーの仕様、ベクトルデータベースのクライアントAPIは固定ではありません。実装時には必ず利用するバージョンの公式ドキュメントとAPIリファレンスを確認してください。
目次
はじめに：RAGを「検索付き生成」から設計問題として理解する
第1章 LlamaIndexの全体像と最小アプリケーション
第2章 RAGの五段階：Loading・Indexing・Storing・Querying・Evaluation
第3章 DocumentとNode：データモデルを制する
第4章 データローディングとReader設計
第5章 チャンク分割の理論と実践
第6章 IngestionPipelineで再現可能な取り込みを作る
第7章 EmbeddingとIndexの選択
第8章 Vector Storeと永続化
第9章 Retrieverを設計する
第10章 Node Postprocessorと再ランキング
第11章 Query EngineとResponse Synthesizer
第12章 Chat Engineと会話メモリ
第13章 高度な検索：Query Transformationと複合質問
第14章 構造化出力と情報抽出
第15章 AgentとTools：RAGを行動につなげる
第16章 Workflowsでイベント駆動アプリを作る
第17章 評価：検索と回答を分離して測る
第18章 Observabilityと本番デバッグ
第19章 セキュリティとガバナンス
第20章 性能・コスト・信頼性の最適化
第21章 日本語RAGの実践知
第22章 実践プロジェクト：社内規程検索アシスタント
第23章 実践プロジェクト：マルチモーダル文書リサーチャー
第24章 失敗から学ぶトラブルシューティングと設計チェックリスト
付録A 実装テンプレート集
付録B 用語集とAPI読み替えガイド
